一种基于神经网络的智慧安防方法、系统和可读存储介质技术方案

本发明专利技术提供一种基于神经网络的智慧安防方法、系统和可读存储介质，所述方法包括：由多个红外线热像仪实时监测安防区的热源状态，并采用多个安防摄像头实时采集安防区的原始视频数据；当某红外线热像仪监测到有人或动物进入安防区时，触发对应的安防摄像头开始将此刻摄取的原始视频数据上报给智慧安防平台；由智慧安防平台分别接收多个安防摄像头上报的原始视频数据，并进行预处理，通过图像提取模型从预处理后的原始视频数据中提取一系列典型图像；由智慧安防平台的神经网络安防模型对每一典型图像进行图像识别，得到安防识别结果，并判定是否启动安防报警动作。本发明专利技术有利于提升安防人员的工作效率，预防事故的发生，节省人力成本。人力成本。人力成本。

【技术实现步骤摘要】
一种基于神经网络的智慧安防方法、系统和可读存储介质


[0001]本专利技术涉及智慧安防
，尤其涉及一种基于神经网络的智慧安防方法、系统和可读存储介质。

技术介绍

[0002]现阶段的视频监控主要依赖人力，主要作用仍然是在事故发生后用于还原事故现场和寻找线索。当事故发生以后，需要安保人员对大量的监控视频进行查阅和分析，这使得许多异常事件无法在短时间内得到妥善处置，从而带来重大的经济损失。如果在事故发生之前能够进行及时干预和防范，不但能够避免损失的发生，也能够减少处理事故的成本。近年来，随着人工智能技术的快速发展，人们逐步将人工智能技术运用于安防领域，然而当前的人工智能技术多停留在人脸识别技术层次上，对于人员的行为或姿态却无法识别确认，进而难以实现准确预防安全事故的发生。

技术实现思路

[0003]为了解决上述至少一个技术问题，本专利技术提出了一种基于神经网络的智慧安防方法、系统和可读存储介质，能够实现对安防相关的视频图像进行人工智能分析处理，有效预防安全事故的发生。
[0004]本专利技术第一方面提出了一种基于神经网络的智慧安防方法，所述方法包括：预设一个安防区，以及装设在所述安防区的多个红外线热像仪和多个安防摄像头，且多个红外线热像仪与多个安防摄像头一一对应；由多个红外线热像仪实时监测所述安防区的热源状态，并采用多个安防摄像头实时采集所述安防区的原始视频数据；当某红外线热像仪监测到有人或动物进入所述安防区时，触发对应的安防摄像头开始将此刻摄取的原始视频数据上报给智慧安防平台，直至人或动物离开所述安防区，则停止上报原始视频数据；由智慧安防平台分别接收多个安防摄像头上报的原始视频数据，并对其进行预处理，通过智慧安防平台的图像提取模型从预处理后的原始视频数据中提取一系列典型图像；由智慧安防平台的神经网络安防模型对每一典型图像进行图像识别，并得到安防识别结果，根据所述安防识别结果判定是否启动安防报警动作；由智慧安防平台分别接收多个安防摄像头上报的原始视频数据，并对其进行预处理，通过智慧安防平台的图像提取模型从预处理后的原始视频数据中提取一系列典型图像，具体包括：由智慧安防平台对多个安防摄像头上报的原始视频数据基于时序关系进行分帧处理，得到一系列原始视频图像；基于人或动物行为相似度对一系列原始视频图像进行分组处理，然后从每组原始
视频图像中根据预设的筛选规则选定对应的典型图像。
[0005]本方案中，由智慧安防平台的神经网络安防模型对每一典型图像进行图像识别，并得到安防识别结果，根据所述安防识别结果判定是否启动安防报警动作，具体包括：由所述神经网络安防模型分别对每组的典型图像进行特征提取，得到每组典型图像对应人或动物的特征集；将每组典型图像对应人或动物的特征集分别与预设的物种特征样本进行逐一比对；当某组典型图像对应人或动物的特征集与某物种特征样本的匹配度达到第一预设阈值时，则判定该组典型图像对应人或动物为该物种；若该物种非人类且不属于危险物种时，则不启动安防报警动作，若该物种非人类且属于危险物种时，启动安防报警动作。
[0006]本方案中，在判定该组典型图像对应人或动物为该物种之后，所述方法还包括：如果该物种为人，则对该组典型图像进行人体动作特征提取，得到人体动作特征，并对该组典型图像中人周围的环境特征进行提取，得到环境特征；预设一个异常动作特征等级表和敏感环境特征等级表，将所述人体动作特征代入所述异常动作特征等级表中，查询得到对应的异常动作等级；并将所述环境特征代入敏感环境特征等级表中，查询得到对应的敏感环境等级；预设人体动作特征对触犯安防规定的影响权重，以及环境特征对触犯安防规定的影响权重，将得到异常动作等级与人体动作特征对触犯安防规定的影响权重相乘，并将敏感环境等级与环境特征对触犯安防规定的影响权重相乘，然后对两者乘积进行相加得到此人触犯安防规定的总体等级；判断所述总体等级是否大于预设第二预设阈值，如果是，则启动安防报警动作，否者不启动安防报警动作。
[0007]本方案中，在判定该组典型图像对应人或动物为该物种之后，所述方法还包括：如果该物种为人，从该组典型图像中选定出带有目标人脸的视频图像或从外界输入带有目标人脸的视频图像；对每一典型图像进行人脸特征提取，并建立人脸特征信息库，同时对带有目标人脸的视频图像进行人脸特征提取，输出目标人脸特征；将所述目标人脸特征遍历所述人脸特征信息库，并计算所述目标人脸特征与所述人脸特征信息库中各个人脸特征信息之间的相似度；将计算得到各个相似度与第三预设阈值进行比对，并将相似度大于第三预设阈值的人脸特征信息提取出，并基于提取的人脸特征信息确定出带有目标人脸的典型图像；对全部带有目标人脸的典型图像进行人体动作特征提取以及环境特征提取，并根据人体动作特征与环境特征判断是否触犯治安规定。
[0008]本方案中，触发对应的安防摄像头开始将此刻摄取的原始视频数据上报给智慧安防平台，具体包括：由对应的安防摄像头实时监测摄像区域内所有人员的人脸信息；将各个人员的人脸信息逐个与授权人脸数据库中的全部授权人脸信息进行匹配；如果某人员的人脸信息与授权人脸数据库中的全部授权人脸信息均匹配不成功，
则触发所述安防摄像头采集该人员的原始视频数据并上报给智慧安防平台。
[0009]本方案中，在得到安防识别结果之后，所述方法还包括：如果安防识别结果异常，则锁定对应安防摄像头的第一坐标位置；获取各个安防人员的便携式安防终端上报的第二坐标位置；枚举所有第二坐标位置到所述第一坐标位置的路径，并按照路径的长度进行排序，确定出最短路径；基于所述最短路径确定出目标便携式安防终端，并向所述目标便携式安防终端发出安防报警信息。
[0010]本专利技术第二方面还提出一种基于神经网络的智慧安防系统，包括存储器和处理器，所述存储器中包括一种基于神经网络的智慧安防方法程序，所述基于神经网络的智慧安防方法程序被所述处理器执行时实现如下步骤：预设一个安防区，以及装设在所述安防区的多个红外线热像仪和多个安防摄像头，且多个红外线热像仪与多个安防摄像头一一对应；由多个红外线热像仪实时监测所述安防区的热源状态，并采用多个安防摄像头实时采集所述安防区的原始视频数据；当某红外线热像仪监测到有人或动物进入所述安防区时，触发对应的安防摄像头开始将此刻摄取的原始视频数据上报给智慧安防平台，直至人或动物离开所述安防区，则停止上报原始视频数据；由智慧安防平台分别接收多个安防摄像头上报的原始视频数据，并对其进行预处理，通过智慧安防平台的图像提取模型从预处理后的原始视频数据中提取一系列典型图像；由智慧安防平台的神经网络安防模型对每一典型图像进行图像识别，并得到安防识别结果，根据所述安防识别结果判定是否启动安防报警动作；由智慧安防平台分别接收多个安防摄像头上报的原始视频数据，并对其进行预处理，通过智慧安防平台的图像提取模型从预处理后的原始视频数据中提取一系列典型图像，具体包括：由智慧安防平台对多个安防摄像头上报的原始视频数据基于时序关系进行分帧处理，得到一系列原始视频图像；基于人或动物行为相似度对一系列原始视频图像进行分组处理，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的智慧安防方法，其特征在于，所述方法包括：预设一个安防区，以及装设在所述安防区的多个红外线热像仪和多个安防摄像头，且多个红外线热像仪与多个安防摄像头一一对应；由多个红外线热像仪实时监测所述安防区的热源状态，并采用多个安防摄像头实时采集所述安防区的原始视频数据；当某红外线热像仪监测到有人或动物进入所述安防区时，触发对应的安防摄像头开始将此刻摄取的原始视频数据上报给智慧安防平台，直至人或动物离开所述安防区，则停止上报原始视频数据；由智慧安防平台分别接收多个安防摄像头上报的原始视频数据，并对其进行预处理，通过智慧安防平台的图像提取模型从预处理后的原始视频数据中提取一系列典型图像；由智慧安防平台的神经网络安防模型对每一典型图像进行图像识别，并得到安防识别结果，根据所述安防识别结果判定是否启动安防报警动作；由智慧安防平台分别接收多个安防摄像头上报的原始视频数据，并对其进行预处理，通过智慧安防平台的图像提取模型从预处理后的原始视频数据中提取一系列典型图像，具体包括：由智慧安防平台对多个安防摄像头上报的原始视频数据基于时序关系进行分帧处理，得到一系列原始视频图像；基于人或动物行为相似度对一系列原始视频图像进行分组处理，然后从每组原始视频图像中根据预设的筛选规则选定对应的典型图像。2.根据权利要求1所述的一种基于神经网络的智慧安防方法，其特征在于，由智慧安防平台的神经网络安防模型对每一典型图像进行图像识别，并得到安防识别结果，根据所述安防识别结果判定是否启动安防报警动作，具体包括：由所述神经网络安防模型分别对每组的典型图像进行特征提取，得到每组典型图像对应人或动物的特征集；将每组典型图像对应人或动物的特征集分别与预设的物种特征样本进行逐一比对；当某组典型图像对应人或动物的特征集与某物种特征样本的匹配度达到第一预设阈值时，则判定该组典型图像对应人或动物为该物种；若该物种非人类且不属于危险物种时，则不启动安防报警动作，若该物种非人类且属于危险物种时，启动安防报警动作。3.根据权利要求2所述的一种基于神经网络的智慧安防方法，其特征在于，在判定该组典型图像对应人或动物为该物种之后，所述方法还包括：如果该物种为人，则对该组典型图像进行人体动作特征提取，得到人体动作特征，并对该组典型图像中人周围的环境特征进行提取，得到环境特征；预设一个异常动作特征等级表和敏感环境特征等级表，将所述人体动作特征代入所述异常动作特征等级表中，查询得到对应的异常动作等级；并将所述环境特征代入敏感环境特征等级表中，查询得到对应的敏感环境等级；预设人体动作特征对触犯安防规定的影响权重，以及环境特征对触犯安防规定的影响权重，将得到异常动作等级与人体动作特征对触犯安防规定的影响权重相乘，并将敏感环境等级与环境特征对触犯安防规定的影响权重相乘，然后对两者乘积进行相加得到此人触
犯安防规定的总体等级；判断所述总体等级是否大于预设第二预设阈值，如果是，则启动安防报警动作，否者不启动安防报警动作。4.根据权利要求2所述的一种基于神经网络的智慧安防方法，其特征在于，在判定该组典型图像对应人或动物为该物种之后，所述方法还包括：如果该物种为人，从该组典型图像中选定出带有目标人脸的视频图像或从外界输入带有目标人脸的视频图像；对每一典型图像进行人脸...

【专利技术属性】
技术研发人员：张天莹，钟蕾，孙小光，黎波，刘秀川，
申请(专利权)人：北京通建泰利特智能系统工程技术有限公司，
类型：发明
国别省市：